label-studio

Label Studio 数据标注平台

补充说明

Label Studio 是开源数据标注工具，支持文本、图像、音频、视频和多模态标注。AI 团队用它构建指令微调、分类、NER 和 RLHF 数据集。

常用示例

Docker 启动：

docker run -d --name label-studio \
  -p 8080:8080 \
  -v $(pwd)/label-studio-data:/label-studio/data \
  heartexlabs/label-studio:latest

创建项目并导入数据：

label-studio init my-project
label-studio start my-project --port 8080

使用 API 导入任务：

curl -X POST http://localhost:8080/api/projects/1/import \
  -H 'Authorization: Token ***' \
  -H 'Content-Type: application/json' \
  -d '[{"text":"如何排查磁盘满"}]'

导出标注结果：

curl -X GET 'http://localhost:8080/api/projects/1/export?exportType=JSON' \
  -H 'Authorization: Token ***' \
  -o annotations.json

标注配置示例：

<View>
  <Text name="text" value="$text"/>
  <Choices name="label" toName="text">
    <Choice value="问题"/>
    <Choice value="闲聊"/>
  </Choices>
</View>

易错点与排错

• 标注配置的 toName 与字段名不一致，界面不显示。
• 导入 JSON 结构与项目配置不匹配，任务为空。
• 没有设置标注规则和重叠标注，数据质量不可控。
• 多用户权限未配置，标注员可以修改项目设置。
• 数据量和标注量增长后，SQLite 性能不足，改用 PostgreSQL。
• 导出格式选错，训练脚本无法直接读取。
• 没有版本管理，标注结果被覆盖后无法回滚。
• 敏感数据上传到公网实例，需做脱敏和访问控制。